CN110567722A - 一种基于性能参数的民机发动机起动系统健康监测方法 - Google Patents
一种基于性能参数的民机发动机起动系统健康监测方法 Download PDFInfo
- Publication number
- CN110567722A CN110567722A CN201910396369.1A CN201910396369A CN110567722A CN 110567722 A CN110567722 A CN 110567722A CN 201910396369 A CN201910396369 A CN 201910396369A CN 110567722 A CN110567722 A CN 110567722A
- Authority
- CN
- China
- Prior art keywords
- starting system
- engine
- engine starting
- health
- performance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
Abstract
本发明公开了一种基于性能参数的民机发动机起动系统健康监测方法,涉及设备状态监控技术领域。本发明在飞机QAR数据的基础上,利用数据挖掘技术搭建出民机发动机起动系统中重要参数的性能参数基线模型;接着计算出测试样本的协方差矩阵;最后运用马氏距离技术得到测试样本与基线模型之间的相似度及马氏距离,用此距离表征系统的健康状态,达到健康监测的目的。本发明应用在民用飞机发动机起动系统上,解决了飞机发动机起动系统的性能评估手段不足问题,可以准确评估发动机起动系统的性能状态并在发动机起动系统故障早期就及时发出预警,减少非计划下发事件;同时,性能评估的数据来自现有民机QAR数据,具有较强的实用性和可操作性。
Description
技术领域
本发明涉及设备状态监控技术领域,尤其涉及一种基于性能参数的民机发动机起动系统健康监测方法。
背景技术
健康监测是实现飞机发动机起动系统自动故障诊断、视情维修的基础,不仅可以极大地减少非计划维修,提高飞机维修经济性和运行时效性;同时还可以提高部附件的可靠性,延长部附件的在翼时间。鉴于发动机各部附件系统的关联性和耦合性,对起动系统实现健康监测,还可以保证发动机本体的运行安全,避免出现由于起动系统故障而出现的发动机超转、发动机起动悬挂等现象,因此对起动系统实施健康监测具有很大的现实意义。
目前在航线上,由于起动系统本身的复杂性与边缘性,起动系统往往得不到航空公司有效的关注。航空公司当下对起动系统的健康监测主要依赖于飞机制造商所提供的监测方法。即将起动系统相关参数进行可视化,观察参数变化趋势。并定义一系列的阈值,当发生超限现象,便停下来维修。这种监测方法本质上就是事后维修,起不到健康监测甚至故障预测的作用。另外,如果将起动系统的性能参数单一地进行监测,从而忽略环境参数(如地面起动的海拔高度、温度、气压、发动机总温等等)的影响,这样便使得航空公司或制造商提供的阈值缺乏通用性,导致较高的虚警率或者漏检率。
其他方面,现代飞机有比较完备的数据采集与传输系统,这为健康监测提供了数据基础。但是目前航空公司采用单一的可视化方法,没有利用数据挖掘的相关技术,从海量的运行数据中提取不到有价值的信息。
综上,现有技术中缺乏一种非参数化建模方法来评估发动机起动系统性能,无需系统的物理模型也不用借助系统的故障或失效数据,即可对发动机起动系统的性能进行实时定量评估,有效减少发动机起动系统的突发故障,防止出现超经济维修的状况。
发明内容
本发明提供一种基于性能参数的民机发动机起动系统健康监测方法,能够对民机发动机起动系统的性能参数与环境参数进行深度挖掘,提出能反映其健康状态的特征值体系,从而实现起动系统健康监测与健康预测的目的。
一种基于性能参数的民机发动机起动系统健康监测方法,包括:
S1、在飞机的某一特定工况下,选取发动机起动系统健康状态的性能参数和环境参数数据做为训练样本。
S2、根据航班实际运行环境参数和性能参数对训练样本进行特征值提取,并对提取的数据进行标准化,利用数据挖掘方法在训练样本中提取起动系统的性能参数基线模型。
S3、对待监测的民机发动机起动系统采集性能参数和环境参数数据,作为测试样本。
S4、计算测试样本的协方差矩阵,对于测试样本集D′,协方差矩阵是大小为M×N′的矩阵,表示有N′个测试样本,每个测试样本包含M个参数。
S5、利用协方差矩阵,采用马氏距离技术计算测试样本和性能参数基线模型之间的相似度马氏距离,标记为健康指数。
S6、设置健康指数的阈值,若当前时刻的健康指数超过阈值,则报警;否则,循环执行S3-S6。
进一步的,特定工况为:
发动机起动系统故障较多的地面起动阶段,包括从起动活门打开到发动机达到慢车状态这一过程。
进一步的,健康状态的性能参数和环境参数数据包括:发动机高压转子转速、发动机低压转子转速、发动机排气温度、起动活门状态、发动机总温、燃油流量、燃油计量活门开度、大气静温、大气压力、滑油温度、滑油压力。
进一步的,在S2中,特征值包括:发动机引气压力、点火时长、排气温度的平均上升梯度、EGT(Exhaust Gas Temperature排气温度)最大值、点火前的时长、点火后到空气活门关闭的时长、N2的最大加速度。
进一步的,在S2中,性能参数基线模型为:
其中,为起动系统健康性能参数基线,即为若干个经过标准化后特征值的集合;为某一特征值的标准化结果;xj(ti)为第j个特征值在i时刻的数值,j为正整数,N为采样的次数,i=1,2,…N。
进一步的,在S4中,协方差矩阵为:
其中表示两个样本Xk与Xl的协方差,n为Xk与Xl中所包含的变量数量,是样本Xk所有参数的均值,是样本Xl所有参数的均值,Xik样本指Xk第i个变量的观测值,Xil指样本Xl的第i个变量的观测值。
进一步的,在S5中,健康指数为:
其中X′表示测试样本,表示所述性能参数基线模型中的参数基线,S为所述协方差矩阵,M为所述测试样本的个数。
d是一个长度为N′的列向量,每一个数值代表某一时刻系统与完全健康状态的马氏距离,即健康指数,用来表征系统的健康状态,达到健康监测的目的。
本发明的有益效果为:
本发明基于性能参数建立发动机起动系统的健康监测模型,发动机起动系统的健康监测模型是一种数据驱动的模型,不需要建立复杂的系统物理模型,仅根据其历史数据即可建立适应的健康状态模型,建模简单且不需要增加太多的额外成本,因此数据容易获取,且根据发动机起动系统实测的数据建立起的模型能更准确的反映实际运行条件个体系统的特性;模型能够更加准确地反映发动机起动系统在实际运行条件下的特性,为提高性能评估的灵敏度和可靠度奠定基础;利用马氏距离技术将得到的参数融合成一个健康指数,通过计算每架飞机发动机起动系统的健康指数,可以对发动机起动系统的性能进行定量评估,提前对性能衰退达到警戒值的发动机起动系统进行提前送修,从而有效减少发动机起动系统突发故障,防止出现超经济维修的状况,并可以极大减少飞机因为发动机起动系统故障造成的非例行停场时间,可以有效地对发动机起动系统的性能进行定量评估并对整个机队的发动机起动系统进行性能排队,对优化整个机队的发动机起动系统送修计划及备件管理具有重要意义。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明的流程图;
图2为一次发动机地面起动过程中主要性能参数的趋势图;
图3为发动机训练样本的健康指数图;
图4为某架飞机发动机某年起动序列的健康指数图;
图5为某架飞机发动机某年起动序列经过平滑处理后的健康指数图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合具体实施方式对本发明作进一步详细描述。
由于实际飞机发动机起动系统采用事后维修策略,1发和2发都是发生故障时才进行排故和维修。因此,利用本实施例提供的方法可以在起动系统故障早期进行预警,同时与机队管理的理念相结合,合理安排发动机起动系统的维修与排故。
本发明实施例提供一种基于性能参数的民机发动机起动系统健康监测方法,流程图如图1所示,包括:
S1、根据航班实际运行环境参数和性能参数进行特征值提取,并对数据进行标准化。
根据起动系统原理及传感器特点,筛选出能表征起动系统健康状态的原始参数,主要包括但不限于发动机高压转子转速、发动机低压转子转速、发动机排气温度、起动活门状态、发动机总温、燃油流量、燃油计量活门开度、大气静温、大气压力、滑油温度、滑油压力等。图2为一次发动机地面起动过程中主要性能参数的趋势图。
然而,这些原始的性能参数并不能直接用于起动系统健康监测,应该利用数据挖掘技术,从中提取一部分具有代表性的特征值,作为训练样本的输入。选取特征值的依据主要有:
(1)由于地面起动有一个固定的时长范围,一般为30-40秒,超过50秒就可以认为是起动时间过长,意味着有故障发生。因此,将起动时长作为一个指标。
(2)地面起动过程中,外部气源向起动机提供一定压力的压缩空气。这是起动系统的动力来源,因此引气压力也是一个重要指标。通过观察数据,引气压力在起动阶段先上升后趋于平稳,那么本文选择起动阶段引气压力的平均值作为一个特征值。
(3)发动机排气温度也是一个重要的考核指标,发动机慢车状态对排气温度的数值也有一个最低限度要求。结合起动过程时长的限制,此处选择EGT最大值与平均上升梯度这两个特征值。
(4)点火系统在地面起动阶段扮演着不可或缺的角色,主要作用是在发动机燃烧室内产生稳定的火源。点火系统一般在N2处于16%-51%时处于工作状态,开始工作时,N2以起动阶段最大的上升梯度增加,N2的最大上升梯度可以反映点火系统的健康与否。因此,此处选择点火时长和N2最大上升梯度作为两个特征值。
综上,真正表征起动系统健康状态的特征值总共有7个,如表1所示。
表1表征起动系统健康状态的特征值
S2、利用维修记录与环境参数,筛选出起动系统的健康样本作为训练样本,训练出起动系统健康基线模型。
选择训练样本时,遵循以下原则:
(1)为了尽可能拟合出通用模型,每个季节都应该选取一定数量的健康数据。
(2)为了规避时间的影响,早上、中午、晚上都应该尽可能覆盖。
(3)为了验证发动机制造过程对模型的影响,应当先按照一台发动机进行模型拟合与自验证,用其他发动机的数据再次验证模型。
选择了80组航班数据作为训练样本,此样本按照上述三原则进行选择,选择完成后根据时间序列进行排序,然后对数据进行标准化,进一步的,采取均值的方法建立参数基线模型(见表2)。
表2飞机A起动系统性能参数基线
S3、利用马氏距离技术原理,计算训练样本的健康指数,然后通过滑动窗口的方法,来确定起动系统健康监测的预警阈值。
通过用健康样本进行马氏距离计算得到训练样本的健康指数见表3,(此处健康指数实际含义是观测样本与基线的差异度,数值越小,代表与基线越接近,越“健康”;反之,越“不健康”)
表3飞机起动系统训练样本健康指数
通过滑动窗口的方法,来确定起动系统健康监测的预警阈值。此处选择滑动窗口宽度为10,通过计算得知发动机健康指数预警阈值为EAN=22.470。
用一架飞机一整年的数据作为测试样本进行健康监测的测试,首先计算出每个航班的上述7个特征值见表4,进一步的,计算每个航班特征值与基线数值间的马氏距离,即健康指数情况见图4。可以看出当开始进入300循环左右时,健康指数开始逐渐上升,在第465次循环时,健康指数首次超过了预警阈值,到500循环左右时,健康指数的数值已经相当大了,早已超过了预警值22.470。根据维修记录显示,该发动机起动系统在508循环时,发生了起动活门卡阻导致的打不开现象。经过机务维修人员现场排故,随后更换起动活门,起动系统恢复正常。对数据进行平滑处理之后效果见图5。
表4某架飞机起动系统全年数据的特征值
本发明的有益效果为:
本发明基于性能参数建立发动机起动系统的健康监测模型,发动机起动系统的健康监测模型是一种数据驱动的模型,不需要建立复杂的系统物理模型,仅根据其历史数据即可建立适应的健康状态模型,建模简单且不需要增加太多的额外成本,因此数据容易获取,且根据发动机起动系统实测的数据建立起的模型能更准确的反映实际运行条件个体系统的特性;模型能够更加准确地反映发动机起动系统在实际运行条件下的特性,为提高性能评估的灵敏度和可靠度奠定基础;利用马氏距离技术将得到的参数融合成一个健康指数,通过计算每架飞机发动机起动系统的健康指数,可以对发动机起动系统的性能进行定量评估,提前对性能衰退达到警戒值的发动机起动系统进行提前送修,从而有效减少发动机起动系统突发故障,防止出现超经济维修的状况,并可以极大减少飞机因为发动机起动系统故障造成的非例行停场时间,可以有效地对发动机起动系统的性能进行定量评估并对整个机队的发动机起动系统进行性能排队,对优化整个机队的发动机起动系统送修计划及备件管理具有重要意义。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种基于性能参数的民机发动机起动系统健康监测方法,其特征在于,包括:
S1、在飞机的某一特定工况下,选取发动机起动系统健康状态的性能参数和环境参数数据做为训练样本;
S2、根据航班实际运行环境参数和性能参数对训练样本进行特征值提取,并对提取的数据进行标准化,利用数据挖掘方法在训练样本中提取起动系统的性能参数基线模型;
S3、对待监测的民机发动机起动系统采集性能参数和环境参数数据,作为测试样本;
S4、计算测试样本的协方差矩阵;
S5、利用协方差矩阵,采用马氏距离技术计算测试样本和性能参数基线模型之间的相似度马氏距离,标记为健康指数;
S6、设置健康指数的阈值,若当前时刻的健康指数超过阈值,则报警;否则,循环执行S3-S6。
2.根据权利要求1所述的方法,其特征在于,在所述S1中,所述特定工况为:
发动机起动系统故障较多的地面起动阶段,包括从起动活门打开到发动机达到慢车状态这一过程。
3.根据权利要求1或2所述的方法,其特征在于,所述健康状态的性能参数和环境参数数据包括:发动机高压转子转速、发动机低压转子转速、发动机排气温度、起动活门状态、发动机总温、燃油流量、燃油计量活门开度、大气静温、大气压力、滑油温度、滑油压力。
4.根据权利要求1所述的方法,其特征在于,在所述S2中,所述特征值包括:发动机引气压力、点火时长、排气温度的平均上升梯度、EGT(Exhaust Gas Temperature排气温度)最大值、点火前的时长、点火后到空气活门关闭的时长、高压转子转速N2的最大加速度。
5.根据权利要求1所述的方法,其特征在于,在所述S2中,所述性能参数基线模型为:
其中,为起动系统健康性能参数基线,即为若干个经过标准化后特征值的集合;为某一特征值的标准化结果;xj(ti)为第j个特征值在i时刻的数值,j为正整数,N为采样的次数,i=1,2,…N。
6.根据权利要求1所述的方法,其特征在于,在所述S4中,所述协方差矩阵为:
其中表示两个样本Xk与Xl的协方差,n为Xk与Xl中所包含的变量数量,是样本Xk所有参数的均值,是样本Xl所有参数的均值,Xik样本指Xk第i个变量的观测值,Xil指样本Xl的第i个变量的观测值。
7.根据权利要求6所述的方法,其特征在于,在所述S5中,所述健康指数为:
其中d为健康指数,X′表示测试样本,表示所述性能参数基线模型中的参数基线,S为所述协方差矩阵,M为所述测试样本的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910396369.1A CN110567722A (zh) | 2019-05-13 | 2019-05-13 | 一种基于性能参数的民机发动机起动系统健康监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910396369.1A CN110567722A (zh) | 2019-05-13 | 2019-05-13 | 一种基于性能参数的民机发动机起动系统健康监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110567722A true CN110567722A (zh) | 2019-12-13 |
Family
ID=68773473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910396369.1A Pending CN110567722A (zh) | 2019-05-13 | 2019-05-13 | 一种基于性能参数的民机发动机起动系统健康监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110567722A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111196380A (zh) * | 2019-12-18 | 2020-05-26 | 中国民用航空飞行学院 | 一种排除飞机慢车停车故障的方法 |
CN112001091A (zh) * | 2020-09-01 | 2020-11-27 | 中国航空工业集团公司上海航空测控技术研究所 | 一种用于直升机主减速器故障安全风险预警的方法 |
CN112668105A (zh) * | 2021-01-14 | 2021-04-16 | 北京航空航天大学 | 一种基于sae与马氏距离的直升机传动轴异常判定方法 |
CN112684338A (zh) * | 2020-12-24 | 2021-04-20 | 潍柴动力股份有限公司 | 一种在线预测起动机健康状态方法及装置 |
CN113108842A (zh) * | 2021-04-16 | 2021-07-13 | 中国石油大学(北京) | 一种热交换器多参数关联监测预警方法和系统 |
US20210254558A1 (en) * | 2020-02-14 | 2021-08-19 | Gulfstream Aerospace Corporation | Method for monitoring engine health of aircraft |
CN113464290A (zh) * | 2021-06-28 | 2021-10-01 | 航天时代飞鸿技术有限公司 | 一种航空活塞发动机增压自适应控制方法及系统 |
CN114386535A (zh) * | 2022-03-18 | 2022-04-22 | 三峡智控科技有限公司 | 一种设置用于扫描kpi曲线的滑动窗口宽度的方法 |
CN115033035A (zh) * | 2022-03-07 | 2022-09-09 | 东方醒狮储能电池有限公司 | 一种储能车的控制方法及系统 |
CN117465690A (zh) * | 2023-12-28 | 2024-01-30 | 商飞软件有限公司 | 一种对民用飞机的起动活门进行健康监测的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995229A (zh) * | 2014-05-21 | 2014-08-20 | 浙江工业大学 | 一种基于特征选取和马氏距离的电机健康监测和异常诊断方法 |
CN107807628B (zh) * | 2017-10-16 | 2020-04-24 | 南京航空航天大学 | 民用飞机空调系统热交换器性能退化评估方法 |
-
2019
- 2019-05-13 CN CN201910396369.1A patent/CN110567722A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103995229A (zh) * | 2014-05-21 | 2014-08-20 | 浙江工业大学 | 一种基于特征选取和马氏距离的电机健康监测和异常诊断方法 |
CN107807628B (zh) * | 2017-10-16 | 2020-04-24 | 南京航空航天大学 | 民用飞机空调系统热交换器性能退化评估方法 |
Non-Patent Citations (1)
Title |
---|
GAO XINLEI: ""Civil Aircraft Engine Start System Health Monitoring Method Based on QAR Data"", 《2017 INTERNATIONAL CONFERENCE ON SENSING, DIAGNOSTICS, PROGNOSTICS, AND CONTROL》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111196380B (zh) * | 2019-12-18 | 2022-06-17 | 中国民用航空飞行学院 | 一种排除飞机慢车停车故障的方法 |
CN111196380A (zh) * | 2019-12-18 | 2020-05-26 | 中国民用航空飞行学院 | 一种排除飞机慢车停车故障的方法 |
US20210254558A1 (en) * | 2020-02-14 | 2021-08-19 | Gulfstream Aerospace Corporation | Method for monitoring engine health of aircraft |
US11719170B2 (en) * | 2020-02-14 | 2023-08-08 | Gulfstream Aerospace Corporation | Method for monitoring engine health of aircraft |
CN112001091A (zh) * | 2020-09-01 | 2020-11-27 | 中国航空工业集团公司上海航空测控技术研究所 | 一种用于直升机主减速器故障安全风险预警的方法 |
CN112001091B (zh) * | 2020-09-01 | 2022-08-30 | 中国航空工业集团公司上海航空测控技术研究所 | 一种用于直升机主减速器故障安全风险预警的方法 |
CN112684338A (zh) * | 2020-12-24 | 2021-04-20 | 潍柴动力股份有限公司 | 一种在线预测起动机健康状态方法及装置 |
CN112684338B (zh) * | 2020-12-24 | 2022-10-28 | 潍柴动力股份有限公司 | 一种在线预测起动机健康状态方法及装置 |
CN112668105A (zh) * | 2021-01-14 | 2021-04-16 | 北京航空航天大学 | 一种基于sae与马氏距离的直升机传动轴异常判定方法 |
CN112668105B (zh) * | 2021-01-14 | 2022-05-03 | 北京航空航天大学 | 一种基于sae与马氏距离的直升机传动轴异常判定方法 |
CN113108842A (zh) * | 2021-04-16 | 2021-07-13 | 中国石油大学(北京) | 一种热交换器多参数关联监测预警方法和系统 |
CN113464290A (zh) * | 2021-06-28 | 2021-10-01 | 航天时代飞鸿技术有限公司 | 一种航空活塞发动机增压自适应控制方法及系统 |
CN113464290B (zh) * | 2021-06-28 | 2023-08-11 | 航天时代飞鸿技术有限公司 | 一种航空活塞发动机增压自适应控制方法及系统 |
CN115033035A (zh) * | 2022-03-07 | 2022-09-09 | 东方醒狮储能电池有限公司 | 一种储能车的控制方法及系统 |
CN114386535B (zh) * | 2022-03-18 | 2022-05-27 | 三峡智控科技有限公司 | 一种设置用于扫描kpi曲线的滑动窗口宽度的方法 |
CN114386535A (zh) * | 2022-03-18 | 2022-04-22 | 三峡智控科技有限公司 | 一种设置用于扫描kpi曲线的滑动窗口宽度的方法 |
CN117465690A (zh) * | 2023-12-28 | 2024-01-30 | 商飞软件有限公司 | 一种对民用飞机的起动活门进行健康监测的方法 |
CN117465690B (zh) * | 2023-12-28 | 2024-03-22 | 商飞软件有限公司 | 一种对民用飞机的起动活门进行健康监测的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110567722A (zh) | 一种基于性能参数的民机发动机起动系统健康监测方法 | |
US11308250B2 (en) | Learning expected operational behavior of machines from generic definitions and past behavior | |
CN111639467B (zh) | 一种基于长短期记忆网络的航空发动机寿命预测方法 | |
US9797328B2 (en) | Equipment health monitoring method and system and engine | |
Li et al. | A method to improve the robustness of gas turbine gas-path fault diagnosis against sensor faults | |
US8321118B2 (en) | Operations support systems and methods with power assurance | |
RU2664126C2 (ru) | Контроль авиационного двигателя, предваряющий операции технического обслуживания | |
CN109215165B (zh) | 一种民用飞机apu性能评估及故障预警方法 | |
CN112507452A (zh) | 航空发动机涡轮叶片可靠性数字孪生建模方法 | |
JP6085581B2 (ja) | 抽気システムの故障を予測するための方法 | |
US20070260390A1 (en) | System and method for turbine engine fault detection using discrete event system modeling | |
EP2207072A2 (en) | Operations support systems and methods with engine diagnostics | |
US20220242592A1 (en) | System and method for monitoring an aircraft engine | |
CN113053171B (zh) | 一种民机系统风险预警方法及系统 | |
US20170185937A1 (en) | Aircraft flight data evaluation system | |
US7801695B2 (en) | Operations support systems and methods with model-based torque estimates | |
CN111580498A (zh) | 一种基于随机森林的飞机环控系统气冷设备鲁棒故障诊断方法 | |
WO2024045246A1 (zh) | 一种针对航空发动机故障预测的脉冲回声状态网络模型 | |
CN115508102A (zh) | 基于数据驱动的航空发动机全系统故障监测与识别方法 | |
Borguet et al. | Regression-based modelling of a fleet of gas turbine engines for performance trending | |
Liqing et al. | A frame design of helicopter health monitoring and diagnosis system based on testability | |
Maulidevi et al. | Smart online monitoring system for large scale diesel engine | |
Qu et al. | Modelling of Fuel Flow in Climb Phase Through Multiple Linear Regression Based on the Data Collected by Quick Access Recorder. | |
Wang et al. | Fault Assessment of Hydraulic System Based on Gaussian Mixture Model | |
Kim et al. | Fault diagnosis and prognosis of gas turbine engines based on qualitative modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191213 |
|
WD01 | Invention patent application deemed withdrawn after publication |